既然不想看合同，我就用 DeepSeek-V3 自动分析了风险条款。今天下午，一个合作方甩过来一份手写的补充协议，拍照发来的，字迹潦草得像医生处方。要在以前，我得一个字一个字敲进电脑，再对照《民法典》逐条抠字眼，没两小时下不来。现在？我直接把图片扔给 DeepSeek-V3，让它 OCR 识别后提取关键条款。
这玩意儿识别手写体的准确率让我后背发凉。我特意挑了最潦草的那句“乙方需在甲方通知后三（3）个工作日内完成整改”，它连括号里的数字变体都准确抓出来了。更关键的是，它能理解上下文语义关联。比如，条款里写“若因不可抗力导致延期，双方协商解决”，它立刻在风险摘要里标红提示：“‘不可抗力’定义模糊，‘协商解决’无明确时限，可能导致无限期拖延。” 这已经不是简单的关键词匹配了，它是在用法律语料训练出的逻辑链做推理。
我让模型把识别出的条款按风险等级分类。高风险的直接标红，比如那些隐藏的无限责任条款和模糊的付款节点；中风险的标黄，建议增加具体数字或时限；低风险的保持原样。最后生成一份带批注的修订建议，直接扔回给合作方法务。整个流程，从上传图片到拿到分析报告，不到十分钟。这十分钟里，我甚至泡了杯茶。
十年前我死磕爬虫和正则表达式，就为了从网页里抠点结构化数据，还得跟反爬策略斗智斗勇。现在，一张照片扔进去，文字、结构、语义风险全给你拎出来。技术代差带来的不是进步，是颠覆。你过去赖以生存的手艺，突然就成了马车夫看着汽车驶过时手里的鞭子——精致，但没用。
这种颠覆感在 2023 年特别强烈。ChatGPT 出来那阵子，我还在用老一套的规则引擎做客服自动分类，觉得自己那套 if-else 逻辑树挺精巧。结果 GPT-4 直接端到端理解用户意图，准确率吊打我打磨了半年的规则库。那感觉就像你吭哧吭哧挖了条水渠，人家直接下场了一场暴雨。现在 DeepSeek-V3 在文档处理上又来了一次。它处理的不只是文字，是文字背后那套复杂的权利和义务网络。这活以前是资深法务靠经验干的，现在一个模型，调用个 API，解决了。
当然不是完全放手。模型会漏，尤其是手写体连笔特别严重的时候。我得设计一个复核环节：让模型把它不确定的识别片段高亮出来，我人工看一眼。但这个工作量，已经从“逐字审阅”降级到了“抽查确认”。时间成本从小时级压缩到了分钟级。这才是“把时间还给生活”的真实含义——不是不干活了，是把人从重复、低价值、高心耗的体力型脑力劳动里解放出来，去干那些真正需要人类判断和创意的事，比如，基于这份风险分析，去思考到底要不要签这个合同，以及谈判的底线该划在哪里。
工具进化了，但人的焦虑没变，只是换了对象。以前焦虑的是技术不够深、工具不够快，现在焦虑的是自己能不能跟上这波工具迭代的速度，会不会被更会使用工具的人淘汰。泡茶的那几分钟里，我脑子里闪过的念头是：得赶紧把 n8n 的工作流和这个文档分析 API 接起来，做成一个自动化的合同初审管道。客户上传，自动分析，风险报告推送到飞书。这样，连那十分钟的等待和点击，都可以省了。
